前言¶
DeepSeek Harness (DSH) 中的 deepseek-v4-pro 和 deepseek-v4-flash 模型目前仅支持文本输入。在 DSH 环境中，直接向 Pro 会话粘贴截图会报错提示“不支持图像输入”。dsh-vision-pro-bridge 插件通过路由代理，为纯文本的 V4-Pro 模型补全了视觉能力。
插件简介¶
该插件由 ShaineDemo 维护，遵循 MIT 许可证。它通过 DeepSeek 独占路由，利用现有的 DEEPSEEK_API_KEY，将图像先由 deepseek-v4-flash-vision-exp 转录为文本，再将文本与本地路径传递给 deepseek-v4-pro 进行回答。
核心功能¶
- 零第三方依赖：仅依赖 DSH 自身的核心库，不引入 OpenAI、Sharp 等外部库。
- DeepSeek 独占路由：图像处理完全通过 DeepSeek 的官方 API，单一提供商。
- 官方图像流水线：复用官方适配器逻辑，确保行为一致。
- 内容寻址持久化：图像缓存于本地特定目录，通过稳定路径传递给模型。
- 专注 Pro 模型：保留 V4-Pro 的代码能力，并增加视觉理解。
安装与启用¶
通过 DSH 命令行安装插件：
dsh plugin --profile web add dsh-vision-pro-bridge
安装后需重启 DSH Web 服务以加载插件。
典型用法¶
- 在模型选择器中选择 DeepSeek-V4-Pro (视觉桥)。
- 粘贴或拖拽截图，并像往常一样提问。
- 将其设为默认模型，编辑
~/.dsh/settings.yaml：
agent-default-model:
provider: deepseek-vision-pro
model: deepseek-v4-pro-vision
工作原理¶
插件注册了一个名为 deepseek-vision-pro 的路由（模型名为 deepseek-v4-pro-vision），该路由声明支持图像输入。当图像被提交时：
1. 插件截取图像字节，将其保存到 ~/.dsh/vision-pro-bridge/images/。
2. 调用 deepseek-v4-flash-vision-exp 模型进行转录，生成文本描述。
3. 将转录文本与本地文件路径拼接，通过 deepseek-v4-pro 模型处理。
4. DeepSeek 的原始网络端点始终只接收到文本和路径，不直接接收图像数据。
适用场景与注意¶
- 适用场景：适合布局分析、OCR 识别、UI 界面审查等场景。
- 注意：
- 转录有损：不适合需要精确像素坐标的场景。
- 模型固定：转录模型固定为
deepseek-v4-flash-vision-exp。 - 无回退链：如果转录调用失败，图像将变为占位符，对话继续但无视觉信息。
- 日志与缓存：活动日志写入
~/.dsh/vision-pro-bridge-activity.l，图像缓存在~/.dsh/vision-pro-bridge/images/。
总结¶
该插件为追求轻量化和 DeepSeek 生态的开发者提供了一个最小化的视觉解决方案。它不依赖复杂的第三方服务，完全复用 DeepSeek 的官方管线，适合需要 V4-Pro 编码能力但偶尔需要查看界面的场景。
